COX 回归与 logistic 回归区别logistic 回归，与线性回归并成为两大回归，应用范围一点不亚于线性回归,甚至有青出于蓝之势.因为 logistic 回归太好用了，而且太有实际意义了.解释起来直接就可以说，假如具有某个危险因素，发病风险增加 2.3 倍，听起来多么地让人通俗易懂。线性回归相比之下其实际意义就弱了。logistic 回归与线性回归恰好相反,因变量一定要是分类变量,不可能是连续变量。分类变量既可以是二分类，也可以是多分类，多分类中既可以是有序,也可以是无序。二分类logistic 回归有时候根据讨论目的又分为条件 logistic 回归和非条件 logistic 回归。条件logistic 回归用于配对资料的分析，非条件 logistic 回归用于非配对资料的分析，也就是直接随机抽样的资料。无序多分类 logistic 回归有时候也成为多项 logit 模型，有序 logistic回归有时也称为累积比数 logit 模型。cox 回归,cox 回归的因变量就有些特别，因为他的因变量必须同时有 2 个,一个代表状态,必须是分类变量,一个代表时间,应该是连续变量。只有同时具有这两个变量,才能用 cox 回归分析。cox 回归主要用于生存资料的分析，生存资料至少有两个结局变量，一是死亡状态，是活着还是死亡？二是死亡时间，假如死亡，什么时间死亡？假如活着，从开始观察到结束时有多久了 ?所以有了这两个变量,就可以考虑用 cox 回归分析。1。都可以用来筛选影响因素；2。都有 OR 值或者 RR 值；3.应变量不一样：Cox 回归的应变量是生存时间*Cencor(结局），而 logistic 回归应变量是分类资料,比如二分类；4。条件 logsitic 回归分析与 cox 回归分析有相似的地方，sas 程序相同，SPSS 里面条件logistic 回归分析就是借用 Cox 比例风险模块进行分析！logistic 回归是 cox 回归的一个特例.当全部个体都有结局时，两者的结果(β）是一样的.cox 回归可以考察生存函数,而 logistic 不可以。补充一点，在 spss 里,配对 logistic 回归的模型，是在 cox 回归里完成的.
